Simulointitutkimus sukusiitoksen ja voimakkaan valinnan käytöstä munijakanojen jalostuksessa

KOTIELÄINJALOSTUKSEN TIEDOTE NO 43 Simulointitutkimus sukusiitoksen ja voimakkaan valinnan käytöstä munijakanojen jalostuksessa Sampo Sirkkomaa Kotieläinten jalostustieteen laitos Helsinki 1980 Julkaisijat: Kotieläinten jalostustieteen laitos, Helsingin Yliopisto, Viikki Kotieläinjalostuslaitos, Maatalouden Tutkimuskeskus, Tikkurila

KOTIELÄINJALOSTUKSEN TIEDOTE-SARJASSA ILMESTYNYT: UUSITALO, H., 1975. Valintaindeksien rakentaminen kanojen jalostusarvostelua varten. Lisensiaattityö, 119 s. RUOHOMÄKI, HILKKA, 1975. Nuoren lihanaudan teurasominaisuuksien arvioimisesta. Lisensiaattityö, 197 s. MAIJALA, K., 1975. Kotieläinjalostus ja sen tutkimus. Esitelmä maataloustutkimuksen päivillä, 26 s. HELLMAN, T., 1975. Maidon lysotsyymiaktiivisuudesta ja utaretulehduksesta Viikin karjassa. Pro gradu-työ, 77 s. MAIJALA, K., 1975. Pohjoismaiden maataloustuotanto tulevaisuuden resurssitilanteessa. Esitelmä Pohjoismaiden Maataloustutkijain Yhdistyksen 15. kongressissa Reykjavikissa, 36 s. MAIJALA, K., 1975. 50 vuotta kotieläinten jalostustutkimusta Suomessa - tutkimus tänään ja huomenna. Esitelmä Maa- ja kotitalouden Erikoisyhdistysten Liiton luentopäivillä Helsingissä 28.11.1974, 21 s. NIEMINEN, P., 1975. Ultraäänikuvauksella arvioidun lihakkuuden yhteys sonnien kasvukoetuloksiin. Pro gradu-työ, 95 s. MAIJALA, K., 1975. Yleisiä näkökohtia kotieläinten jalostustavoitteiden määrittelyssä. Esitelmä Pohjoismaiden Maataloustutkijain Yhdistyksen 15. kongressissa Reykjavikissa 3.7.1975, 18 s. OJALA, M., PUNTILA, MARJA-LEENA, VARO, M. & LAAKSO, P., 1976. Sonnien mittauksia yksilötestausasemilla, 45 s. HELLMAN, T., OJALA, M. & VARO, M., 1976. Ultraäänikuvauksen käyttö pässien yksiltiarvostelussa, 15 s. LINDSTROM, U., 1976. Voidaanko jalostuksella vaikuttaa utaretulehdusalttiuteen? 19 s. RUOHOMÄKI, HILKKA & HAKKOLA, H., 1976. Lihantuotantokokeiden tuloksia, 15 s. LAMMASPAIVÄ, Viikki 2.2.1977, 21 s. JOKINEN, LIISA & LINDSTRÖM, U., 1977. Pillereiden ei-uusintatulokset 4 vuoden säilytyksen jälkeen verrattuna tuloksiin 1 vuoden säilytyksen jälkeen, 12 s. LINTUKANGAS, S., 1977. Erilaisten virhelähteiden ja erityisesti tuotostason ja maantietieteellisen alueen vaikutus Ay-sonnien jälkeläisarvosteluun. Pro gradu-työ, 114 s. MAIJALA, K. & SYVÄJÄRVI, J.. 1977. Mahdollisuudesta kehittää monisynnytt.ävää nautakarjaa valinnan avulla, 23 s. 17 a-d. Rehuhyötysuhdetta käsittelevät esitelmät. Suomen Maataloustieteellisen Seuran kokous 26.1.1977. RUOHOMAKI, HILKKA, 1977. Erirotuisten lihanautojen elopainot ja iät 160 kilon teuraspainossa, 12 s. Nauta- ja sikapäivä 14.11.1977. LINDSTRÖM, U., 1978. Maidon valkuainen, 13 s.

SIMULOINTITUTKIMUS SUKUSIITOKSEN JA VOIMAKKAAN VALINNAN KÄYTÖSTÄ MUNIJAKANOJEN JALOSTUKSESSA Sampo Sirkkomaa Pro gradu-työ 1980

SISÄLLYSLUETTELO JOHDANTO JA KATSAUS KIRJALLISUUTEEN 1 Johdanto 1 1.1. Yleistä 1 1.2. Siipikarjan (Gallus domesticus) ja sen sukulaislajien kromosomaalisesta rakenteesta 6 1.3. Munintaominaisuuksien perinnöllisen muuntelun koostumus siipikarjalla 9 1.4. Populaatiogenetiikasta ja perinnöllisestä edistymisestä 14 1.4.1. Sukusiitoskerroin 14 1.4.2. Heterotsygotian väheneminen äärellisessä populaatiossa 15 1.4.3. Geenin fiksoitumistodennäköisyys 18 1.4.4. Saavutettavissa oleva perinnöllinen edistyminen 20 OMAT TUTKIMUKSET 27 Menetelmät 27 2.1. Satunnaislukujen generoiminen 27 2.1.1. Tasainen jakauma 27 2.1.2. Poisson-jakauma 29 2.1.3. Normaalijakauma 29 2.2. Populaation geneettinen rakenne 32 2.2.1. Yleistä 32 2.2.2. Alkupopulaation luominen 33 2.2.3. Lokusten jakaminen ominaisuuksille ja geneetti- nen korrelaatio 34 2.2.4. Kytkentäryhmien muodostaminen 36 2.3. Gameettien rakentaminen 37 2.3.1. Yleistä 37 2.3.2. Mekanismi 40 2.4. Yksilön fenotyyppi 45 2.4.1. Geneettiset vaikutukset 45 2.4.2. Fenotyypin koostumus 47 2.5. Esimerkki geenin fiksoitumisajasta 48

2.6. Esimerkki geenifrekvenssin jakaumasta 50 2.7. Siipikarjanjalostuksen simulointi 52 2.7.1. Ominaisuudet 52 2.7.2. Heritabiliteetin estimointi ja jalostusarvojen laskeminen 52 2.7.3. Parittaminen 54 2.7.4. Lisääntyminen ja sukupuolen määräytyminen 54 2.7.5. Kromosomiston muodostaminen 55 2.7.6. Simuloinnin yleinen kulku 56 3. Tulokset ja niiden tarkastelua 58 3.1. Yleisiä näkökohtia 58 3.2. Geneettinen edistyminen 59 3.3. Geneettinen korrelaatio 63 4, Johtopäätökset 80 Tiivistelmä 82 Kirjallisuusluettelo 83

JOHDANTO JA KATSAUS KIRJALLISUUTEEN 1. Johdanto 1.1. Yleistä Perinnöllinen edistyminen on prosessi, jossa vaikuttavat sekä stokastiset että suuntaiset tekijät. Suuntaisuus aiheutuu valintapaineesta, satunnaisuus populaation äärellisestä koosta. Yleisesti voidaan ajatella, että nk. kvantitatiivisen ominaisuuden taustalla on tietty määrä lokuksia, kutakin kohti vähintään yksi alleelivaihtoehto. Jalostaja valitsee populaation parhaasta päästä lähtien tietyn lukumäärän yksilöitä seuraavan sukupolven vanhemmiksi ja toistaa tätä menettelyä toivoen ominaisuuden määrän lisääntyvän sukupolvi sukupolvelta. Tämä tarkoittaa sitä, että kyseisen ominaisuuden kannalta parhaiden geenien frekvenssit on saatava lokuksissa mahdollisimman korkeiksi. Tehtävänä on siis löytää paritus- ja valintajärjestelmä, jonka avulla voidaan odottaa päästävän parhaaseen tulokseen. Useimmiten tavoitteena on hyvin nopea geneettinen edistyminen. Valintaero pyritään saamaan erittäin suureksi, minkä seurauksena voidaan päätyä hyvinkin pieneen efektiiviseen populaatiokokoon. Sitä paitsi efektiivinen populaatiokoko on usein pienempi kuin valittujen lukumäärä mm. siitä syystä, että perheiden välillä on muuntelua valitun ominaisuuden suhteen (ROBERTSON 1961).

-2- KIMURA (1957) johti geenin fiksoitumistodennäköisyyden diffuusiolikimääräistyksellä.'pienessä populaatiossa voivat fiksoitua Valinnan kannalta vähemmän edulliset alleelit sattuman johdosta. ROBERTSON (1960) lähti tästä liikkeelle ja kehitti teorian odotettavissa olevasta perinnöllisestä edistymisestä valittaessa jotakin kvantitatiivista ominaisuutta; tuloksen mukaan jalostustyössä tulisi ottaa huomioon populaatiokoko ja valittujen osuus pitkän tähtäimen edun vuoksi. Valintaero täytyy optimoida, ei maksimoida, kuten painottaa esim. NORDSKOG (1966). RASCH ja HERRENDÖRPER (1972) jakavat jalostusjärjestelmien arvostelumenetelmät neljään pääluokkaan: teoreettis-matemaattinen johtaminen (deduktio) simulointi tietokoneella kokeet mallipopulaatioilla, esim. banaanikärpäsellä ja hiirellä kokeet itse jalostettavan eläinlajin populaatioilla (induktio). Tietokonesimulointi tarjoaa nopeutensa ansiosta varteenotettavan keinon jalostusmenetelmien vertailemiåeksi, sillä tarkkaa matemaattista käsittelytapaa ei ole pystytty luomaan mutkikkaille ja yleisille tapauksille. Simuloinnilla tarkoitetaan jonkin ilmiön jäljittelemistä. Edellytyksenä on, että tiedämme riittävästi kyseisen luonnonilmiön etenemisestä askel askeleelta. Mendelistisen populaation geneettinen rakenne sukupolvien kuluessa on erinomainen simulointikohde (hyvin yleinen kuvaus SIRKKOMAA 1978). Muutokset tapahtuvat yksinkertaisina

-3- satunnaisilmiöinä (esim. kromosomien vapaa kombinoituminen meioosissa), mutta lopputulos tietyssä valinta- ja paritusjärjestelmässä on erittäin vaikea ongelma. Ensimmäisen varsinaisen geneettisen simulaation (FRASER 1957 a,b) jälkeen tietokoneilla on jäljitelty mitä erilaisimpia kvantitatiivisen populaatiogenetiikan alaan kuuluvia tilanteita. Onkin esitetty (mm. SINGH ja BELLMANN 1974), että simulointikokeista saatu informaatio kerättäisiin yhteen parhaimman jalostusmenetelmän löytämiseksi tietylle populaatiolle. Yhdessä eläinkokeiden tulosten kanssa tällainen tietoarkisto saattaisikin tarjota käyttökelpoisia vihjeitä jalostusongelmien ratkaisemiseksi. Eräs mahdollinen jalostusjärjestelmä on jakaa populaatio alalinjoihin ja yrittää käyttää hyväksi linjojen välille syntyvää muuntelua. Apuna voi käyttää vielä sukusiitosta, jolloin päädytään sukusiitos ja risteytys -menetelmään. Tällä on tarkoitus lisätä homotsygotia-astetta, -Valita parhaat sukulinjat ja risteyttää ne keskenään heteroosin kehittämiseksi. Menetelmän etu ilmenee vain, jos jalostettavassa ominaisuudessa on dominanssimuuntelua, sillä ilmiöparia sukusiitosdepressioristeytysheteroosi ei voi esiintyä täysin additiivisesti käyttäytyvän ominaisuuden kohdalla. Yleisesti ottaen kokemukset populaation jaosta alalinjoihin ja linjojen välisestä valinnasta eivät ole kovin lupaavia (esim. MADALENA ja HILL 1972, MADALENA ja ROBERTSON 1974, KATZ ja ENFIELD 1977). Sukusiitosjalostuksen onnistuminen siipikarjalla riippuu monista tekijöistä. KNOX (1946) mainitsee hedelmällisyyden ja

-4- kuoriutuvuuden varhaisessa vaiheessa tapahtuvan valinnan olevan erittäin tärkeää. Sukusiitoksen aikana täytyy harjoittaa valintaa homotsygoitumisen suunnan säätelemiseksi. Myös tietyt yleiset edellytykset täytyy huomioida (BELL ym. 1952, GIODEK 1971, TIJEN 1977). Sukusiitoslinjojen muodostaminen, ylläpito ja riittävä testaaminen on hyvin kallista. Siipikarja ei sopeudu yhtä hyvin sukusiitosasteen kasvuun kuin esim. maissi. Ennen jalostusmenetelmän valitsemista olisi tutkittava huolellisesti, onko kyseisissä ominaisuuksissa ei-additiivista perinnöllistä muuntelua. Mahdollisimman suotuisan valinta- ja paritusjärjestelmän löytäminen edellyttää kokeiden suorittamista koti- ja laboratorioeläimillä sekä simuloimalla, sillä pelkät laskelmat ja järkeily eivät aina riitä menetelmien vertailuun. WARREN (1950) katsoo, että eläimille soveltuisi standardimenettelyksi kolme täyssisarparitussukupolvea ennen linjojen risteyttämistä. Pitäisi aloittaa monta sukusiitoslinjaa, karsia useimmat niistä pois yhden sukupolven jälkeen ja jatkaa näin vielä pari sukupolvea. Toisaalta suurikaan määrä linjoja ei takaa menestystä, ellei sukusiitoksen lähtöaines jo ole hyvää, valittua eläinainesta. Lisäksi WARREN (1950) toteaa, että jalostuksen tavoitteen ollessa hyvä fenotyyppitaso tarvitaan lopputulokseksi mieluummin edullisten geenien korkeat frekvenssit kuin fiksoituminen kaikissa lokuksissa; sukusiitoshan sinänsä muuttaa vain genotyyppifrekvenssejä lisäämällä yleistä homotsygotiaa.

-5- Myös ABPLANALP (1974) on koetulostensa perusteella sitä mieltä, että korkean sukusiitosasteen omaavia siipikarjalinjoja voidaan muodostaa jatkuvalla täyssisarparituksella. Sukusiitoksen keskeyttäminen aina kolmen sukupolven jälkeen (sukusiitoskerroin 50 %) saattaisi tuottaa parhaimman tuloksen. DICKERSON (1973) tuli seuraaviin johtopäätöksiin sukusiitoksen ja heteroosin käyttömahdollisuuksista eläinjalostuksessa: sukusiitoksen avulla pystytään luomaan paljon uutta geneettistä muuntelua sukulinjojen välinen valinta on aivan olennaista, jotta sukusiitosjalostuksella päästäisiin parempaan perinnölliseen edistymiseen kuin normaalilla jalostuksella linjojen välisestä valinnasta saatava hyöty on suurimmillaan nopeassa, ajoittaisessa sukusiitoksessa, jossa valintasyklit ja parhaiden linjojen yhdistämiset tapahtuvat lyhyin väliajoin tarvitaan vielä runsaasti teoreettista kehittelyä, tietokonesimulointia ja laboratorioeläinkokeita, ennen kuin sukusiitos-risteytys -jalostusmenetelmää voidaan käyttää hallitusti kotieläinlajien perinnöllisen tason parantamisessa. Tämän tutkimuksen tarkoitus on selvittää simuloinnin avulla siipikarjan munintaominaisuuksien suhteen tapahtuvan jalostuksen seurauksia. Mielenkiinnon kohteena on erityisesti ajoittaisten sukusiitosvaiheiden ja sukulinjojen välisen valinnan vaikutus perinnölliseen edistymiseen. Tutkimusaiheeseen liittyvän terminologian vuoksi esitellään aluksi muutamia peruskäsitteitä.(siipikarjan kromosomisto, munintaominaisuuksien geneettinen muuntelu, perinnöllinen edistyminen).

-6-1.2. Siipikarjan (Gallus domesticus) ja sen sukulaislajien kromosomaalisesta rakenteesta Simulointitulosten kannalta kromosomaalisten piirteiden pikkutarkka jäljittely gameettien muodostamisessa ei ehkä ole kovin tärkeää. Kytkentäryhmien lukumäärä on kuitenkin syytä huomioida. Kanan kromosomistosa on lisäksi olemassa muutakin tietoa. BRANT (1952) esitti laajan yhteenvedon kanan kromosomitutkimuksista vuosilta 1906-1944. Johtopäätökseksi tuli, että haploidista kromosomilukua (n) ei ollut vielä kyetty määrittämään. NEWCOMER (1957, 1959) jakoi kanan kromosomiston kuuteen suureen kytkentäryhmään ja lukuisiin mikrokromosomeihin, ukromosomoideihin", joiden perinnöllinen rooli on muka jotenkin erikoinen.. Hän esitti, että mikrokromosomit eivät käyttäydy säännöllisesti segregaatiossa; ne eivät kuitenkaan ole geneettisesti toimimattomia. OHNO (1961) sai tulokseksi, että 2n on mahdollisesti 78. Koiraan sukupuolikromosomibivalentti (ZZ) toimi meioosissa kuten vastaavan kokoluokan autosomaaliset bivalentit, ja diploteenivaiheessa siinä näkyi normaaleja kiasmoja. Mikrokromosomit säilyttivät yksilöllisyytensä mitoosissa ja meioosissa. Pakyteenivaiheen mikrokromosomeissa oli havaittavissa selviä kromomeerimuodostumia. OHNO ym. (1962) otaksuvat kanan mikrokromosomien olevan tärkeitä geneettisiä vaikuttajia, koska ainakin 12 niistä osallistuu nukleolin muodostamiseen. Suuret kromosomit eivät näytä toimivan tässä tehtävässä.

-7- OHNO ym. (1964) havaitsivat Carinatae -lintujen (esim. kana ja kalkkuna) olevan kromosomistoltaan varsin yhdenmukaisia. KRISHANin (1964) mukaan kalkkunan mikrokromosomit eivät eroa olennaisesti makrokromosomeista (kuusi suurinta kromosomiparia), vaan niissä on kiasmoja ja ne segregoituvat normaalisti. Diploteenivaiheen suurissa bivalenteissa kiasmaluku oli 2-6. Myös FORD ja WOOLLAM (1964) havaitsivat mikrokromosomien pariutuvan normaalisti meioosissa:; lisäksi niillä oli samanlainen rakenne kuin suurilla kromqsomeilla. Haploidiksi kromosomiluvuksi he saivat 38-40. OWEN (1965) sai kromosomiluvuksi (2n) 78. Myös pienimmät mikrokromosomit näyttivät koostuvan kromatideista. SHOFFNER ja KRISHAN (1965) arvioivat kanan kromosomiparien pituuksia ja saivat tulokseksi, että kuuteen pisimpään bivalenttiin sisältyy n. 55 % kromosomiston kokonaispituudesta, yhdeksään pisimpään bivalenttiin jo n. 70 %. Kromosomiparien lukumääräksi he saivat 39. Useissa mikrokromosomeissa näkyi kinetokooreja ja kromatidirakenne. BAMMI ym. (1966) löysivät kiasmoja koiraan sukupuolikromosomien muodostamasta bivalentista (ZZ). Naaraan sukupuolikromosomit (W ja Z) eivät sen sijaan meioosissa olleet edes 1)ariutuneita. KRISHANin ja SHOFFNERin (1966) mukaan kanan W- kromosomi onkin pienehkö pariutumaton kromosomi. TAKAGI ja MAKINO (1966) laskivat kanan solusta 38 autosomiparia ja yh- V den sukupuolikromosomiparin. Myös SOLOPOUK (1968) ja DENISOVA (1970) ilmoittavat haploidin kromosomiluvun olevan erittäin todennäköisesti 39.

-8- BLOOM ja BUSS (1967) osoittivat DNA:ta olevan sekä isoissa että pienissä kromosomeissa. Myös pienet kromosomit olivat jakautuneet kromatideiksi. Yhteensä he laskivat 80 kromosomia. Naarassoluissa näkyi 11 suurta kromosomia, koirassoluissa 12. STEFOS ja ARRIGHI (1974) väittävät, että mikrokromosomeissa ja W-kromosomissa on suurempi pitoisuus repetitiivistä DNA:ta kuin muissa kromosomeissa. BORGAONKARin (1969) mukaan monissa mikrokromosomeissa on erillinen sentromeeri, ja ne koostuvat kahdesta kromatidista mitoosin profaasissa. Kromosomien kokonaislukumäärä (2n) näytti olevan 78. PANCHENKO (1971, 1972) jakaa kanan kromosomiston viiteen pariin måkrokromosomeja, kuuteen pariin submakrokromosomeja ja mikrokromosomeihin. ETCHESin ja HAWESin (1973) mukaan kanalla on havaittu olevan 13 kytkentäryhmää. POLLOCK ja FECHHEIMER (1974) saivat koiraan diakineesisolusta näkyville 39 bivalenttia. Kiasmoja oli selvästi havaittavissa kuudessa suurimmassa bivalentissa. Lisäksi he väittävät (POLLOCK ja FECHHEIMER 1976), että on jo olemassa riittävästi osoitusta siipikarjan (Gallus domesticus) kromosomiparien lukumäärästä: n = 39. Yliteenveto kanan kromosomistosta Kromosomiparien lukumäärä on 39. Kaikki kromosomit ovat geneettisesti aktiivisia. Kromosomit voidaan kokonsa puolesta luokitella kahteen ryhmään, makro- ja mikrokromosomeihin. Makrokromosomipareja on kuusi kpl, ja ne käsittävät hieman yli 50 % kromosomiston kokonaispituudesta. Yhdeksään pisimpään bivalenttiin sisältyy puolestaan jo lähes 75 % kokonaispituudesta.

-9- Yksi suurista bivalenteista on sukupuolikromosomipari. Koiras on homogameettinen (kaksi suurta Z-kromosomia), kun taas naaras on heterogameettinen (yksi Z-kromosomi ja tätä huomattavasti pienempi W-kromosomi). Kaikki kromosomiparit käyttäytyvät normaalisti meioosissa ja mitoosissa, poikkeuksena ehkä ZW-pari. 1.3. Munintaominaisuuksien perinnöllisen muuntelun koostumus siipikarj alla Tässä luvussa käsitellään siipikarjan (Gallus domestious) munintaominaisuuksien geneettisen muuntelun tärkeimpiä piirteitä. Asiaa ei tarkastella heritabiliteetin kannalta. Ominaisuuksista ovat mukana lähinnä munan paino ja munatuotos, joka on yleisnimitys kappaletuotokselle ja sen johdannaisille. Munatuotokselle on olemassa niin paljon erilaisia mittoja ja nimityksiä, että niiden erittelyä ei katsottu tarpeelliseksi suorittaa joka kohdassa. Jokainen niistä mittaa suunnilleen samaa asiaa, joten esim. dominanssiastetta koskevien johtopäätösten täytyy pitää yleisesti paikkansa. Esimerkiksi SHULTZ (1953) on todennut kappaletuotoksen alenevan sukusiitoksen seurauksena. Munamassatuotos reagoi sukusiitosasteen kasvuun lähes täysin samalla tavalla kuin kappaletuotos. Myöskään rotua ei ole eritelty. WATERSin ja LAMBERTin (1936) kokeessa sukusiitos ei johtanut munatuotoksen vähenemiseen eikä munan koon (paino) pienentymiseen. WATERS (1941) väittää sukusiitos- ja risteytyskokeiden perusteella munan painossa olevan hieman dominanssia. Hän otaksuu

-10- myös, että naaraan W-kromosomilla voi olla huomattava vaikutus munan painoon. HAYS (1941) puolestaan ilmoittaa isän ja emän siirtävän yhtä lailla munan painoon vaikuttavia geenejä jälkeläisiin; sukupuoleen kytkeytyneistä tekijöistä ei ole mitään osoitus-ta. Samoin HUTT ja BOZIVICH (1946) mainitsevat, että kirjallisuudesta on vaikea löytää mitään kunnollista todistetta, jonka mukaan munan paino määräytyisi muusta kuin tuntemattomasta lukumäärästä geenejä. Isä vaikuttaa tähän ominaisuuteen yhtä paljon kuin emä. ROBERTS ym. (1952) risteyttivät sukusiitoslinjoja ja saivat tulokseksi, että munan paino määräytyy useasta geenistä ilman dominanssia. Todisteita sukupuoleen kytkeytyneestä periytymisestä ei saatu, sillä isä ja emä vaikuttivat yhtä paljon tyttären munan painoon. GOODMANin ja JAAPin (1961) tulokset taas osoittivat sukupuoleen kytkeytyneiden perintötekijöiden vaikuttavan munatuotokseen ja munan painoon 40 viikon iässä. Tutkijoiden mukaan melkoinen osuus näiden ominaisuuksien perinnöllisestä varianssista saattaa aiheutua sukupuoleen kytkeytyneistä geeneistä, koska sukupuolikromosomipari on yksi kanan kuudesta makrobivalentista. SHOFFNER (1948) tutki sukusiitoksen vaikutusta kanan eri ominaisuuksiin. Munatuotoksen suhteellinen muutos 100 % sukusiitosastetta kohti arvioituna oli -62.4 %, munan painon vain -0.8 %. WILSON (1948) havaitsi munatuotoksen alenevan 1.4 % prosentin lisäystä kohti sukusiitoskertoimessa. Jos lisääntymiskyky ei alenisi paljoakaan sukusiitoksen vaikutuksesta, olisi tehokkain jalostusmenetelmä aloittaa monta pientä linjaa, harjoittaa

-11- intensiivistä sukusiitosta ja suorittaa ankaraa linjojen välistä valintaa. Eloonjäävät linjat tulisi testata risteytyksissä. Myös STEPHENSON ym. (1952) ehdottavat, että sukusiitosjalostus olisi parasta aloittaa usealla pienellä linjalla. STEPHENSONin ja NORDSKOGin (1950) kokeessa munatuotoksen regressio sukusiitoskertoimeen oli -0.34 - -0.43. Myös.BLOW ja GLAZENER (1953) tutkivat ominaisuuksien regressiota sukusiitosasteeseen: Muuan painolle regressiokertoimeksi tuli -0;018, munatuotokselle -0.302. JEROME ym. (1956) löysivät munatuotoksen muuntelusta huomattavasti dominanssia, munan painon muuntelusta ei lainkaan. Munatuotoksessa dominanssivarianssin suhde additiiviseen varianssiin oli 3.63, munan painossa 0.00. Sukusiitosta kannattaisi heidän mukaansa jatkaa 2-3 sukupolven ajan, minkä jälkeen suoritettaisiin linjojen väliset risteytykset. YAOn (1961) risteytyksissä dominanssivaikutus oli merkitsevä munatuotoksessa, mutta ei munan painossa. Munatuotoksessa ilmeni myös merkkejä ylidominanssista. Täten sukusiitos ja sitä seuraava risteytys saattavat muodostaa käyttökelpoisen jalostusjärjestelmän munatuotoksen parantamiseksi. CASEYn ja NORDSKOGin (1971) tutkimuksessa munatuotos laski 5.3 %/10 % nousu sukusiitosasteessa. Samoin MAHA ym. (1971) havaitsivat munatuotoksen olevan merkitsevästi heikompi sukusiitetyissä linjoissa kuin ei-sukusiitetyissä. Sen sijaan munan painoon sukusiitoksella ei ollut merkitsevää vaikutusta.

-12- KOLSTADin (1973) sukulinjaristeytyskokeessa munatuotos ja muuan paino kohosivat. Heteroosiprosentti (prosenttinen paremmuus vanhempien keskiarvoon nähden) oli munatuotoksessa 5.9-11.3, munan painossa vain 1.0-1.7. Sukusiitosasteittain tulokset olivat seuraavat: (%) sukusiitoskerroin 25 30 35 munintaprosentti 70.1 64.5 61.7 muuan paino (g) 56.1 56.5 56.4 Lisäksi tutkija mainitsee sukusiitoksella saavutettavan hyödyn riippuvan kokonaan linjojen välisen valinnan onnistumisesta. KOROLEV (1974) huomasi muuan painon olevan 1 % pienempi sukusiitetyissä linjoissa kuin muissa. Sukusiitoskerroin oli.537.5 %. Munatuotokseen sukusiitosasteella ei ollut vaikutusta. NORDSKOGin ym. (1974) valintakokeessa muuan paino laski 0.6 g/10 % nousu sukusiitosasteessa. Munintaprosentin kohdalla vastaava lasku oli 2.3 %/10 %. Lisäksi tutkijat sanovat arvostavansa tietokoneita ja muilla eläimillä suoritettavia valintakokeita, mutta toteavat - loppujen lopuksi aivan oikein - seuraavasti: jos haluamme tutkia siipikarjanjalostusta, niin meidän on työskenneltävä siipikarjalla. OROZCO ja CAMPO (1975) havaitsivat heteroosia munatuotoksessa ja muuan painossa, mikä viittaa dominanssivaikutuksiin joissakin lokuksissa. Ri.steytyskannoilla kummankin ominaisuuden' heritabiliteetti oli korkeampi kuin puhtailla kannoilla. SILVA ym. (1976) tutkivat ei-additiivista geneettistä muuntelua siipikarjan eri ominaisuuksissa. Ei-additiiviset varianssi-

-13- komponentit olivat yleensä pieniä verrattuna additiivisesta muuntelusta saatuihin estimaatteihin, poikkeuksena ehkä munatuotoksen muuntelu. SATO ja NORDSKOG (1977) saivat ei-additiivisen geneettisen varianssin osuudeksi munatuotoksen kokonaisvarianssista 0.20-0.29. Additiivisen perinnöllisen varianssin kohdalla vastaava osuus oli vain 0.08-0.11. Tutkimuksen tekijöiden mukaan sukusiitos ja risteytys -menetelmä saattaa täten olla pätevä keino munatuotoksen edistämiseksi. Munan painossa ei ilmennyt merkitseviä ei-additiivisia vaikutuksia. Yhteenveto siipikarlan munintaominaisuuksien perinnöllisen muuntelun koostumuksesta Munan painon vaihtelusta ei-additiivinen geneettinen muuntelu käsittää vain vähäisen osan. Munan painoon vaikuttaa suuri määrä lokuksia, joiden alleelit ovat toisiinsa lähes yksinomaan additiivisessa suhteessa. Munatuotos määräytyy sen sijaan lokuksista, joista monissa on huomattavia dominanssivaikutuksia. Sukusiitos- ja risteytyskokeet vahvistavat tämän näkemyksen erittäin luotettavasti. Saattaa olla, että sukupuoleen kytkeytyneillä geeneillä on huomionarvoinen vaikutus munintaominaisuuksiin. Näin voidaan päätellä mm. siitä, että sukupuolikromosomipari on yksi kanan suurista bivalenteista. Kyseisistä vaikutuksista on lisäksi saatu kokeellista näyttöä. Asia ei kuitenkaan ole täysin kiistaton. Munintaominaisuuksissa täytyy luonnollisesti olla myös epistaattisista vuorovaikutuksista johtuvaa ei-additiivista muun- telua. Sen käsittely ei ole kuitenkaan olennaista tämän tutkimuksen kannalta.

-14-1.4. Populaatiogenetiikasta ja perinnöllisestä edistymisestä 1,4.1. Sukusiitoskerroin Tarkastellaan diploidin lajin populaatiota ja yhtä lokusta. Oletetaan, että alleeleja on kahta tyyppiä (A1 ja A2). Lokusta sanotaan autotsygoottiseksi ja sen alleeleja identtisiksi, jos molemmat alleelit ovat peräisin samasta esigeenistä (siis jonkin varhaisemman sukupolven samasta geenistä). Yksilön lokus on 'allotsygoottinen, jos näin ei ole. Autotsygootit muodostavat täten osan homotsygoottisista genotyypeistä. Heterotsygotia on sen sijaan aina allotsygotiaa (mahdollisia mutaatioita ei oteta huomioon tässä esityksessä). Mainituilla käsitteillä määriteltynä sukusiitoskerroin (f) on lokuksen autotsygotian todennäköisyys. Tämä koskee tietysti yksilön kaikkia lokuksia. Allotsygotian todennäköisyys on luonnollisesti 1-f. Sukusiitoskerroin poikkeaa nollasta esim. tietyissä paritusjärjestelmissä. Tällöin populaation genotyyppifrekvenssit muuttuvat. Olkoon alleelin A frekyenssi p. Täten A :n frekvenssi on 1-p, 1 2 ja eri genotyyppien esiintymistodennäköisyydet eli genotyyppifrekvenssit ovat: P(A A ) = (1-f)p2 + fp (1a) P(A ) = (1-f)(1-p)p2, 1 A2 (1b) P(A2A2) = (1-f)(1-13)2 + f(1-p) (10) allotsygoottisten autotsygoottisten genotyyppien genotyyppien todennäköisyydet todennäköisyydet summa 1-f f

-15- Allotsygoottisten genotyyppien frekvenssit saadaan binomikaavan mukaisesti (lausekkeet la, 1b ja 1c), koska nämä genotyypit muodostuvat ei-identtisten eli riippumattomien geenien otoksina. Jos geenit ovat identtisiä, ovat geeniparien frekvenssit samat kuin geenifrekvenssit (lausekkeet 1a ja 1c). Jos pariutuminen on täysin satunnaista eli f=0, saadaan lausekeryhmästä (1) erikoistapauksena Hardyn ja Weinbergin laki. Genotyyppifrekvenssit pysyvät samoina sukupolvesta sukupolveen. Sukusiitoksen vallitessa ovat pariutuvat yksilöt keskimäärin läheisempää sukua kuin satunnaispariutumisessa. Esimerkiksi täyssisarparituksessa sukusiitoskerroin nousee kolmessa ensimmäisessä sukupolvessa nollasta seuraavasti: 0.250, 0.375, 0.500. Sukusiitos kasvattaa autotsygotiasta johtuvan homotsygotian osuutta, joten heterotsygoti4 väistämättä vähenee. 1.4.2. Heterotsygotian väheneminen äärellisessä populaatiossa Todellisuudessa populaatio on aina äärellinen ja usein pieni. Voidaan osoittaa, että satunnaispariutumisesta huolimatta heterotsygotia vähenee äärellisessä populaatiossa. SukUsiitoskertoimen käsite kehitettiin alun perin todellista sukusiitosta varten, mutta sen avulla pystytään kuvaamaan myös pelkän populaatiokoon vaikutusta geneettiseen muunteluun. Tarkastellaan nyt populaatiota, jossa itsehedelmöitys on mahdollista ja jossa pariutuminen on täysin satunnaista. Jälkeläisten voidaan ajatella muodostuvan joka sukupolvi kahden gameetin otoksina erittäin suuresta gameettijoukosta, johon kaikki vanhemmat ovat yhtä paljon osallisia. Vastaavasti voidaan

-16- kuvitella, että otanta tapahtuu pienestä joukosta takaisinpanolla. Populaatiokoko = N. Todennäköisyys, että yhtyvät gameetit tulevat joitain edellisen sukupolven samalta yksilöitä, on 1/N. Tällöin todennäköisyys kahdelle yhtyvälle gameetille sisältää identtiset alleelit on (1/N)(1/2) = 1/(2N). Todennäköisyys, että alleelit eivät ole peräisin edellisen sukupolven samasta geenistä, on täten 1-1/(2N). Nämä geenit voivat kuitenkin olla identtisiä todennäköisyydellä ft_ i (edellisen sukupolven sukusiitoskerroin), sillä autotsygotiaa oli mahdollisesti jo olemassa edellisessä sukupolvessa. Näin ollen autotsygotian koko todennäköisyydeksi sukupolvessa t saadaan: f = 1 4. (1-2N 2 N ft-1 (2) Oletetaan nyt, että sukupolvi 0 (N yksilöä) on lohjennut hyvin suuresta populaatiosta, joten 1'0 = 0 (tai fo on ainakin erittäin lähellä nollaa). Tällöin (2):n mukaan 1 f = + (1-0 = 1 1 2N 2N 2N f = 1 (1 _ -.i-_ ) 1 2 2N 2N 2N f 1 4. (.1 _ 1 ) 1 + (1 _ 1 )2 1 3 2N 2N 2N 2N 2N

-17- Näin jatkettaessa nähdään, että 00 1 1 (1 _ 1 )i-1 2N oo 2N 2N 1 i=1 1 - (1-2N - 1. Tämä on samalla geometrisen jakauman pistetodennäköisyyksien summa parametrin arvolla 1/(2N). Autotsygotian todennäköisyys (sukusiitoskerroin) lähestyy siis yhtä prosessin jatkuessa. Lopulta populaatiossa on vain toista alleelityyppiä, jolloin kyseisen alleelin sanotaan fiksoituneen populaatioon. Sarjan t. osasumma: f t = -!- 2N - 1 - (1 1 t - 2N ) (3) Merkitään heterotsygoottien osuutta t. sukupolvessa Ht:llä. Tällöin (1b):n mukaan ottamalla huomioon (3) 1 H.1(1 - (1 - (1-40)) = Ht_1(1-2N = H0(1-2N 1 )t eli keskimääräinen heterotsygotia vähenee osuudella 1/(2N) joka sukupolvi. Jos itsehedelmöitys ei ole mahdollista tai on olemassa erilliset sukupuolet, voidaan saatua tulosta käyttää hyvänä approksimaationa. Tässä luvussa ja luvussa 1.4.1 esitetty tarkastelutapa pohjautuu CROWn ja KIMURAn (1970) teokseen, p. 61-114. Tarkastelu demonstroi todennäköisyyslaskennan alkeita käyttämällä 'random genetic drift' -mikroevoluutioprosessia, jossa geenifrekvenssi heilahtelee satunnaisesti äärellisen populaatiokoon johdosta.

-.18- Geenifrekvenssin jakauma prosessin kuluessa on paljon hankalampi ongelma. Asiaa esittelevät mm. CROW ja KIMURA (1970), P. 327-339. WRIGHT (1945) sovelsi Kolmogorovin eteenpäindiffuusioyhtälöä. populaatiogenetiikkaan, KIMURA (1957) taas käytti taaksepäin-yhtälöä fiksoitumisprosessin ja -todennäköisyyden selvittämiseen. Diffuusioyhtälöiden käytöstä yleisesti esim. CROW ja KIMURA (1970), p. 367-432. 1.4.3. Geenin fiksoitumistodennäköisyys KIMURA (1957) johti lausekkeen sille todennäköisyydelle, että mutanttigeeni fiksoituu populaatioon. Tarkastellaan jälleen yhtä lokusta ja sen kahta alleelia, Al ja A2. Olkoon genotyypin AlAi pysyvä valintaetu genotyyppiin A2A2 nähden s, genotyypin A1 A2 valintaetu hs (011.51). Merkitään u(p,t):11ä sitä todennäköisyyttä, että geeni Al fiksoituu populaatioon t. sukupolvessa, ehdolla että Al:n frekvenssi on aluksi p. Jos oletetaan, että geenifrekvenssin muutosta kuvaa jatkuva malli ja pariutuminen on satunnaista, funktio u(p,t) voidaan ratkaista seuraavasta osittaisdifferentiaaliyhtälöstä, jonka perustana on Kolmogorovin taaksepäin-yhtälö (yleisesti ottaen Kolmogorovin diffuusioyhtälöstä saadaan satunnaismuuttujan tiheysfunktio stokastisen prosessin eri vaiheissa): 9 u(p,t) p(1-p) t 4N 2 u(p,t) ä u(p,t) 3 2 + sp(1-p)(h+(1-2h)p), (4) P missä N = populaation efektiivinen koko.

-19- Yhtälössä (4) on liitetty toisiinsa valintapaineesta aiheutuva suuntainen komponentti ja gameettien satunnaisotannasta johtuva stokastinen komponentti, sillä geenifrekvenssin muutoksen odotusarvo on sp(1-p)(h+(1-2h)p), varianssi p(1-p)/(2n). Kolmogorovin taaksepäin-yhtälön käytöstä lähemmin CROW ja KIMURA (1970), p. 423-432 Tavallisesti evoluutioprosessi käsittää valtavan pitkän ajanjakson; täten kiinnostuksen kohteeksi tulee todennäköisyys, että geeni ylipäänsä joskus fiksoituu eli u(p): u(p) = lim u(p,t). t CX) Tällöin 3 u(p,t)/i3t = 0. Sijoittamalla tämä lausekkeeseen (4) saadaan tulokseksi tavallinen toisen kertaluvun differentiaaliyhtälö: P(1-P) d214.1)) 4N sp(1-p)(h+(1-2h)p) du(p) 0, dp jonka ratkaisuksi saadaan ottamalla huomioon ehdot, että geeni A 1 ei lainkaan esiinny populaatiossa (u(0) = 0) tai se on fiksoitunut populaatioon (u(1) = 1): e -2N5(2h-1)x(1-x) - 2Nsx e -2Ns(2h-1)x(1-x) - 2Nsx dx dx (5) Lauseke (5) on KIMURAn (1957) saama tulos geenin fiksoitumistodennäköisyydelle.

-20- Jos periytyminen on täysin additiivista eli h = 1/2, saadaan (5):stä seuraava muoto: 1 - e -2Nsp u(p) - (6) 1 - e -2Ns Lauseke (5) on erittäin tärkeä tulos. Mm. LATTER (1965) on havainnut simulointitulosten sopivan hyvin yhteen KIMURAn (1957) teorian kanssa suurivaikutuksistenkin geenien tapauksessa. 1.4.4. Saavutettavissa oleva perinnöllinen edistyminen ROBERTSON (1960) sovelsi KIMURAn (1957) tuloksia fiksoitumistodennäköisyydestä kehittäessään teoriaa rajakohdasta, joka valinnan avulla pystytään saavuttamaan. Voitaisiin odottaa, että valinnan suosimien alleelien frekvenssit kasvavat jatkuvasti kaikissa ominaisuuteen vaikuttavissa lokuksissa, kunnes kyseiset alleelit lopulta fiksoituvat. Populaatio on kuitenkin aina äärellinen, joten on olemassa mahdollisuus, että suosituimman alleelin asemasta fiksoituukin sattumalta vähemmän suosittu. Mitä pienempi efektiivinen populaatiokoko on, sitä suurempi on tällaisen tapahtuman todennäköisyys (lausekkeet 5 ja 6). Yhden lokuksen tapauksessa u(p) on tulkittavissa kysymyksessä olevan alleelin suhteen fiksoituneiden valintalinjojen tai -toistojen odotetuksi osuudeksi kaikista linjoista; monen täysin toinen toistaan vastaavan lokuksen tapauksessa

-21- u(p) on kyseisen geenin suhteen fiksoituneiden lokusten odotettu osuus kaikista lokuksista missä tahansa linjassa. Kvantitatiivisessa ominaisuudessa tapahtuu muutosta, kunnes kaikissa siihen vaikuttavissa lokuksissa jokin alleeli on fiksoitunut. Ääritapauksena voi syntyä populaatio, jossa jokaiseen lokukseen on fiksoitunut paras alleeli; tämän populaation keskiarvon ja alkupopulaation keskiarvon erotus on 'mahdollinen edistyminen'. 'Odotettu edistyminen' on puolestaan se muutos, jota voidaan odottaa u(p):n perusteella, ja se on aina pienempi kuin 'mahdollinen edistyminen'. Koska tarkastelun kohteena on lopputilanne täydellisen fiksoitumisen tapahduttua, on Al -geenin frekvenssi lokuksissa joko 0 tai 1 (alussa Al:n frekvenssi oli siis p, A2:n 1 - p). Loppufrekvenssin odotusarvo on kuitenkin u(p), kun taas A2:n odotettu loppufrekvenssi on 1 - u(p). Geenin Ai frekvenssin odotettu muutos jokaisen lokuksen osalta on täten u(p) - p, suurin mahdollinen muutos 1 - p. lausekkeelle (6), u(p) = (1 _ e-2nsp)/(1 _ Ön mahdollinen eräs sarjakehitelmä Ns:n ollessa tiettyä rajaa pienempi: u(p) = P + p(1 - p)ns + joten u(p) - - p) (7) Lausekkeeseen (7) ROBERTSON (1960) päätyi myös täysin toista tietä. Oletetaan, että Ns:n ollessa pieni keskimääräinen geenifrekvenssi muuttuu vain vähän fiksoitumisprosessin aikana ja että keskimääräinen heterotsygotia vähenee osuudella 1/(2N)

-22- joka sukupolvi. Ensimmäisessä valintasukupolvessa geenifrekvenssin muutoksen odotusarvo additiivisessa tapauksessa on sp(1 - p)/2. Koska p(1 - p):n keskimääräinen arvo vähenee osuudella 1/(2N) sukupolvittain, tulee odotetuksi kokonaismuutokseksi (t = sukupolvi): 00 u(p) - p = > 7-sp(1 1 - p)(1 - -'21 )t = t=0, 4sp(l - p) = Nap(1 - p) eli 2N3w(muutos ensimmäisessä sukupolvessa). Kokonaismuutos voi olla tätä suurempi, jos alkuperäinen geenifrekvenssi on pieni ja Ns on suuri, sillä tällöin heterotsygotia voi lisääntyä geenifrekvenssin kasvaessa valinnan aikana. Tällaisessa tilanteessa kokonaisedistyminen saattaa olla 4N*(muutos ensimmäisessä sukupolvessa). ROBERTSON (1960) osoitti myös, että valintaprosessin "puoliintumisaika" - jolloin puolet geenifrekvenssin muutoksesta kohti odotettua rajaa on tapahtunut - additiivisten geenivai- kutusten tapauksessa Ns:n pienillä arvoilla on n. 1.4N suku- -7- polvea. Valittaessa jotakin nk. kvantitatiivista ominaisuutta ei siihen vaikuttavien yksittäisten geenien frekvenssejä ja valintaetuja tunneta; voimme havaita ainoastaan populaation keskiarvon muuttuvan. Oletetaan, että ominaisuus noudattaa normaalijakaumaa ja että siinä on eri tyyppejä, joiden keskiarvot poikkeavat hieman toisistaan. HALDANE (1931) osoitti, että mihin tahansa tällaiseen eri tyyppien väliseen pieneen eroon

-23- liittyvä valintaetu on kyseinen ero kerrottuna I/c 2:11a, missä I on valintaero (valittujen yksilöiden keskiarvo - koko populaation keskiarvo) jad 2 on ominaisuuden varianssi. Valintaero ilmaistaan usein keskihajonnan yksiköissä, jolloin merkitään i = I/(. HILL (1969) mainitsee, että HALDANEn (1931) valintaetu on äärettömään populaati.okokoon perustuvana suureena likimääräistys. Todellisissa populaatioissa myös valinnan katkaisukohta on satunnai-smuuttuja, koska fenotyypit muodostavat äärellisen otoksen. ROBERTSON (1960) käytti hyväkseen valintaedusta saatua tulosta seuraavasti. Olkoon a homotsygoottien vaikutusten välinen ero, kun tarkastellaan 2-alleelista additiivista lokusta (alleelit Al ja A2). Tällöin AlAi :n valintaeduksi (s) saadaan: s = la /2 ia (8) Fiksoitumistodennäköisyys on Ns:n ja p:n funktio (lauseke 6), joten massavalinnassa se on Nia:n ja p:n funktio eli u(p) = f(nia,p). Jos valittuun ominaisuuteen vaikuttaa ilman interaktioita n kytkeytymätöntä lokusta, on odotettu fenotyyppi kaikissa lokuksissa tapahtuneen fiksoitumisen jälkeen au(p) =af(nia,p). (9) Näin valinnan odotettu raja missä tahansa populaatiossa on vain Ni:n funktio. Tämän funktion'muoto riippuu geenien vaikutuksista ja geenifrekvenssin jakaumasta.

-24- ROBERTSON (1960) laski myös, että ainakin 70 % mahdollisesta edistymisestä tullaan saavuttamaan, jos Niap >d. Pienillä Ni:n arvoilla fiksoituu vain suurivaikutuksisia tai korkean alkufrekvenssin. omaavia geenejä, Ni:n kasvaessa alkaa fiksoitua myös harvinaisia tai vähän vaikuttavia geenejä. Additiivisten geenivaikutusten tapauksessa populaation kes- kiarvon odotettu muutos (7 - x ) on: 0 a(u(p) - I)) (lausekkeista 7 ja 9) = 2NiAd a(nsp(1 - P)) a 2 p(1 - p) 2 (lausekkeesta 8) / 2 = = 2NIh 2, (10) 2 missä d = additiivinen geneettinen varianssi, jonka tarkasteltavat n lokusta saavat aikaan h 2 = additiivisista geneettisistä vaikutuksista johtuva heritabiliteetti. Populaation keskiarvon kokonaismuutos on täten 2N*(muutos ensimmäisessä sukupolvessa), jos Ne on pieni (111skTY, CROW ja KIMURA 1970, p. 426). DEMTSTER (1955) oli päätynyt tulokseen, että massavalinnassa edisyttäisiin pisimmälle valitsemalla puolet populaatiosta vanhemmiksi joka sukupolvi. ROBERTSON (1960) osoitti tämän

-25- kehittämänsä teorian avulla. (Olkoon populaatiossa T yksilöä, joista valitaan vanhemmiksi N fenotyypiltään parasta, joten valittujen osuus S = N/T. Valintaintensiteetti i = z/s, missä z on katkaisukohtaa vastaava tiheysfunktion arvo. Täten saadaan: i = z/s Si = z = z Ni = zt. Valinnan odotettu raja on Ni:n funktio (lauseke 10). Ni on suurin, kun z on suurin 44S = 1/2 eli puolet populaatiosta valitaan.) Jos lokusten välillä esiintyy kytkentää, on optimaalinen valittujen osuus yli 1/2 (ROBERTSON 1970). Useissa geneettistä edistymistä käsittelevissä simulointitutkimuksissa on haluttu selvittää kytkennän vaikutusta. Tulosten mukaan kytkentä on tietyissä olosuhteissa melkoinen tekijä valinnan tulosten määräytymisessä myös ilman lokusten välisiä epistaattisia interaktioita ja huolimatta alkupopulaatiossa vallitsevasta kytkentätasapainosta (esim. MARTIN ja COCKERHAM 1960, HILL ja_robertson 1966, ROBERTSON 1970). Suuressa populaatiossa kytkentä pystyy ainoastaan hidastamaan parhaan mahdollisen gameetin fiksoitumista. Pienessä populaatiossa kytkennän haittavaikutus ei jää tähän, vaan sattuman johdosta lokuksiin pääsee entistäkin useammin fiksoitumaan huonoja alleeleja. Täten kytkentä'ikään kuin syventää pienen efektiivisen populaatiokoon jo sinänsä lopullista edistymistulosta alentavaa vaikutusta.

-26- McPHEE ja ROBERTSON (1970) suorittivat valintakokeen Drosophila melanogaster -lajilla käyttäen inversioita, jotka lähes täysin poistavat crossing overin II ja III kromosomiparissa. Valinnan kohteena oli sternopleuraalisukasten lukumäärä. Verrattuna tavallisiin linjoihin crossing overin tukahduttaminen vähensi edistymistä 28+8 %, kun valittiin lisää sukasia (high line), 22+7 %, kun sukasmäärää haluttiin vähentää (low line). ROBERTSON (1960) osoitti myös, että erilaiset arvostelun varmuuden tehostamismenetelmät (esim. jälkeläis- ja sisararvostelu) kostautuvat aina lopullisen perinnöllisen edistymisen vähenemisenä, vaikkakin ensimmäisissä valintasukupolvissa edistyminen on nopeampaa kuin pelkässä yksilöarvostelussa. Kaiken kaikkiaan perinnöllistä edistymistä koskeva teoria on johdettu käyttämällä tiettyjä matemaattista käsittelyä helpottavia oletuksia. Mitään yleistä ja tarkkaa matemaattista mallia ei ole pystytty kehittämään, koska kysymyksessä on stokastinen prosessi, jossa useat satunnaismuuttujat luovat mutkikasta vuorovaikutuksen verkostoa. Tämä ei lainkaan tarkoita sitä, että mallit olisivat arvottomia prosessin kuvaamisen kannalta. Teoreettisen käsittelyn ongelmaan liittyvät hyvin ROBERTSONin (1970) sanat "... teoria on yritys saada tilanteesta yksinkertaistettu yleiskuva, josta ei puutu approksimaatioita".

-27- OMAT TUTKIMUKSET 2. Menetelmät 2.1. Satunnaislukujen generoiminen 2.1.1. Tasainen jakauma Käytettävä algoritmi generoi pseudosatunnaislukuja, joiden pitäisi olla tasaisesti jakautuneita ('pseudosatunnaisluku' on nimitys, joka kuvastaa satunnaisluvun kehittämistä laskemalla; 'oikeita' satunnaislukuja voitaisiin ehkä saada jostakin sopivasta fysikaalisesta prosessista). Yleinen periaate on, että satunnaislukugeneraattorille annetaan ns. siemenluku, jonka perusteella ohjelma laskee ensimmäisen satunnaisluvun. Ohjelmaa toistuvasti käytettäessä saadaan pseudösatunnaisluku- ~,joesamisisatunnaielukulasketaan (X1.) edellisestä ( Xi_ i) seuraavasti: Y =Xi_ l 0 + W Xl.= Y - Y/14 *31, joissa M = 4194304 (= 222) C = 2053 (= 211 1. 5) W = 894745 (= 0.213«M). M, C ja W ovat kokonaislukuvakioita, kun taas X ja Y ovat kokonaislukuarvoja saavia muuttujia. On huomattava, että Xi:n lauseke on sama kuin FORTRAN-kielen funktio MOD(Y,M).

-28- Yhden satunnaisluvun laskeminen kestää UNIVAC 1108 -tietokoneella vajaat 10 [4.s. Jos algoritmi on muokattu aliohjelmaksi, kuluu aikaa hieman enemmän. Generaattori tuottaa täten satunnaislukuja luonnollisten lukujen väliltä (0,4194304). Satunnaislukujonon sykli on 4194304, joten näin monen eri luvun jälkeen jono alkaa taas ensimmäisestä luvusta ja toistuu samanlaisena. Samalla siemenluvulla saadaan aina sama satunnaislukujono. Useimmissa sovellutuksissa tarvitaan tasaisesti jakautuneita satunnaislukuja reaalilukuväliltä (0,1). Tämän välin pseudosatunnaislukuja (11") generoidaan luonnollisesti seuraavalla tavalla: U = FLOAT(X)/4194304., (merkitään U Tas (0,1) ) missä X on generaattorin tuottama kokonaisluku väliltä (0,4194304). Esim. Tasaisesti jakautuneita kokonaislukuja väliltä E1,14] voidaan kehittää seuraavasti: INT(IHKFK)+1, jossa FK=FLOAT(K). (FORTRAN-kielessä FLOAT tuottaa kokonaisluvusta reaaliluvun, INT reaaliluvusta kokonaisluvun.) Tässä luvussa esitelty tasaisen jakauman satunnaislukugeneraattori löytyy Helsingin yliopiston laskentakeskuksen ohjelmistojaoston ohjelmalistauskansiosta. Kiintoisa yksityiskohta tässä funktioaliohjelmassa (RNDM) on ns. satunnaisen lähdön mahdollisuus. Tämä tarkoittaa sitä, että haluttaessa aliohjelma laskee siemenluvun tietokoneen kellolaitteen osoittamasta.ajankohdasta. Satunnaislukugeneraattori RNDM sijaitsee käännetyssä muodossa UNIVAC 1108:n levymuistin ohjelmakirjastossa UPLI-*FHR., josta sen voi "mapata" FORTRAN-kielisiin ohjelmiin.

-29-2.1.2. Poisson -jakauma Poisson(a) -jakautuneen satunnaismuuttujan pistetodennäköisyysfunktio on muotoa: P(Z = k) a k e -a, (k - 0,1,2,3, k! missä Z on Poisson-jakautunut satunnaismuuttuja parametrilla a (a>0). Erityisesti on huomattava, että tapahtuman (Z = 0) todennäköisyys on e-a. Oletetaan, että e-a on laskettu valmiiksi ja merkitään sitä E:llä. Tällöin Knuthyin algoritmin mukaan (YAKOWITZ 1977) saadaan Poisson(a) -jakautuneita satunnaislukuja seuraavalla menettelyllä: sijoitetaan J:lle arvoksi -1 sijoitetaan B:lle arvoksi 1 sijoitetaan J:11e arvoksi J+1 sijoitetaan B:lle arvoksi Bali (11,-/Tas(0,1), luku 2.1.1) jos B>E, palataan kohtaan 3, muuten J on Poisson(a) -jakautunut satunnaisluku. Taulukossa 1 on vertailu Poisson-jakauman -odotettujen ja algoritmin mukaan simuloimalla saatujen frekvenssien välillä. 2.1.3. Normaalijakauma Jos satunnaismuuttujan kertymäfunktio (F) on jatkuva ja aidosti kasvava, saadaan kyseistä jakaumaa noudattavia satunnaislukuja (Z) seuraavasti (esim. TUOMINEN ja NORLAMO 1975, p. 324-326): Z = F-1(U), missä Ur,,Tas(0,1).

-30- Vaikeutena on se, että käänteisfunktiota F ei läheskään aina tunneta. Tällöin on käytettävä numeerisia menetelmiä. Näin on esiin. normaalijakauman kohdalla. Olkoon satunnaismuuttuja Z normaalisesti jakautunut odotusarvona 0, varianssina 1. Tällöin Z:n tiheysfunktio (fz) on: _ 1 e 1Z ) VT1F-77-1 z 2, ja merkitään Z~N(0,1). (zer) Parhaana N(0,1) -jakautuneita satunnaislukuja generoivana keinona pidetään yleisesti Box-Muller -menetelmää (BOX ja MULLER 1958). YAKOWITZ (1977) esittää kyseisen menetelmän algoritmin seuraavanlaisena: sijoitetaan 11 :11e arvoksi U*2-1 (Ur.JTas(0,1), luku 2.1.1) 2. sijoitetaan A2:11e arvoksi U*2-1 sijoitetaan B:lle arvoksi 12 + 1 2 2 1 jos B-2t1, palataan kohtaan 1, muuten sijoitetaan C:lle arvoksi V-24klogB/B. Tällöin Gl = Al*C ja G2 = A2 0 ovat toisistaan riippumattomia, N(0,1) -jakautuneita satunnaislukuja. Koska G:n (G1 tai G2) jakauma on N(0,1), saadaan N(i.A..., 2) - jakautunut satunnaisluku (H) laskemalla H = G * ca fru, sillä G - d Taulukossa 2 on esitetty muutamia normaalijakaumaa koskevia generoituja ja odotettuja frekvenssejä.

-31- Taulu kko A: a lgor itm i toistettu 10000 (odote ttu tulos ) cd 0 4-) G 4-) G cd rj cn :0 :03 (1.>,ct 0 4-) co 4-) cn -P (1.) Cl) -I 0 H 0 01 r--1 \ 0.1 r-1 0 \0 LC\ 0\ co N\ te\ 0 10 0\0 re\ 0 0\ c0 tf\ 0 G\ 0.1 re\ 03 03 ( J \ 0 03 G1 G.1 CV 10 01 0 03 03 CS\ 0 1.C\ 11) -jakauman tulosfrekvenssit muutamissa v äle issä. Taulukko tayks ikön sisäpuolella säpuolella algoritmi toistettu t re\ t-- t-- CN 0\ G\ 0\ 0 11\ \ tf-\ 0\ C-3) c0 c0 GO kr) 10000 kertaa jakauman mukaan t-- CM ad kr) teoreettisesti odotettu

2.2. Populaation geneettinen rakenne 2.2.1. Yleistä Tietokoneen keskusmuisti koostuu osasista, jotka voivat magneettisuutensa puolesta olla kahdessa eri tilassa. Nämä ovat binäärilukujärjestelmän fysikaalisia toteutuksia (toinen tila on 0, toinen 1). Osasia kutsutaan biteiksi, ja ne on tavallisesti ryhmitelty nk. sanoiksi. Esim. UNIVAC 1108:n keskusmuistissa on 262000 sanaa, joista kukin sisältää 36 bittiä. Tämän tietokoneen FORTRAN-kielessä on käytettävissä funktio (FLD), jonka avulla voidaan säädellä minkä tahansa sanan haluttujen bittien tiloja (SRC 1971). Jos tarkoitus on simuloida kahta alleelia ja yhtä lokusta, tarvitaan yksilön genotyypin esittämiseen diploidissa tapauksessa kaksi bittiä. Olkoon lokuksessa kaksi alleelivaihtoehtoa, Al ja A2. Päätetään, että bitin 1-tila vastaa alleelia Al, 0-tila alleelia A2. Tällöin lokuksen tila bittitasolla on jokin seuraavista vaihtoehdoista: genotyyppi A A 1 1 A A A A 1 2 2 2 vastine muistissa 1 1 0 0 tai 1 0 1 0 Bittejä yksilöä kohti tarvitaan luonnollisesti enemmän, jos simuloidaan kvantitatiivista ominaisuutta. Esim, jos ominaisuuteen vaikuttaa 72 lokusta, kuluttaa yhden yksilön perinnöllisen rakenteen esittäminen UNIVAC 1108:11a 144 bittiä eli tasan neljä sanaa. Kunkin yksilön geneettinen tila on helppo tunnistaa FLD-funktion avulla.

-33- Todellisissa populaatioissa vallitsee varmasti multippelialleelitilanne useimmissa lokuksissa. Tämäkin olisi helppo esittää; haittana on vain se, että tällöin ei enää tulla toimeen kahdella bitillä lokusta kohti. Tässä työssä päädyttiin malliin, jossa on monta lokusta vaikuttamassa ominaisuuteen, kussakin lokuksessa geenivaihtoehdot 11 ja 12' Malli saattaa tuntua rajoittuneelta. Toinen mahdollisuus olisi ollut simuloida tilanne 'vähän lokuksia, paljon alleeleja'. Voidaan kuitenkin ajatella, että A/:n ollessa edullisin geeni 12 edustaa kaikkia muita keskimäärin. 2.2.2. Alkupopulaation luominen Olkoon alkupopulaation koko N yksilöä. Tehtävänä on sijoittaa kuhunkin lokukseen alleelit tietyn geenifrekvenssin mukaisesti. Geenifrekvenssiä p vastaa tilanne, jossa alleelia Al on lokuksessa 2Np kpl, sillä lokusta edustaa jokaisessa yksilössä kaksi geenipaikkaa. Esim. Jos N = 1400 ja p = 0.5, niin meidän täytyy sijoittaa lokukseen 1400 Al- ja- Toimitaan seuraavasti: A2-geeniä. asetetaan kaikki lokusta edustavat 2N bittiä 0-tilaan otetaan satunnaisesti yksilö 1,...,N (kullakin yksilöllä sama todennäköisyys tulla valituksi) otetaan satunnaisesti geenipaikka (1 tai 2) jos saatu geenipaikka yksilössä on jo 1-tilassa, palataan kohtaan 2, muuten asetetaan geenipaikka 1-tilaan jos on asetettu vähemmän kuin 2Np geenipaikkaa 1-tilaan, palataan kohtaan 2, muuten siirrytään käsittelemään seuraavaa lokusta.

-34- Jos A :n alkufrekvenssi (p) on suurempi kuin 0.5, kannattaa 1 toimia päin vastoin: asetetaan kaikki bitit (geenipaikat) 1-tilaan ja sijoitetaan lokukseen 2N(1-p) A2-geeniä. Kuvatulla tavalla menetellen kuhunkin lokukseen muodostuu Hardyn ja Weinbergin tasapaino alkugeenifrekvenssin mukaisesti, eli odotetut genotyyppifrekvenssit ovat: A 1 A 1 A 1 A 2 A 2 A 2 p 2 2p(1-p) (1-p)2 Lisäksi muodostuu tasapainotila, jossa lokusten sisällöt umpimähkään valitussa yksilössä ovat toisistaan riippumattomia. Esim. todennäköisyys, että yksilö on homotsygootti Al-geenin suhteen kaikissa lokuksissa (L kpl), on p 2L. Vastaava todennäköisyys A2:n suhteen on (1-p)21. Lokukset olisi myös mahdollista täyttää vaihtelevilla geenifrekvensseillä siten, että frekvenssillä on jokin jakauma. Sopivan jakauman valinta olisi vain melko hankala tehtävä. Tässä tutkimuksessa päädyttiin alkufrekvenssiin 0.5 jokaisessa lokuksessa. Kyseinen frekvenssi on tavallaan uneutraali", ja sillä voidaan odottaa päästävän melko yleispäteviin tuloksiin. 2.2.3. Lokusten jakaminen ominaisuuksille ja geneettinen korrelaatio Yksinkertaisin oletus on, että kuhunkin ominaisuuteen vaikuttaa yhtä paljon lokuksia. Jos simuloidaan kahta ominaisuutta, joihin vaikuttaa yhteensä L lokusta, asetetaan aluksi L pituisessa vektorissa kaikki alkiot ykkösiksi. Tämän jälkeen asetetaan satunnaisesti otettuihin L/2 alkioon kakkonen. Näin eri

-35- ominaisuuksiin vaikuttavat lokukset (ykkös- ja kakkoslokukset) tulevat täysin satunnaiseen järjestykseen. Olkoon tämä vektori matriisin IX toinen vaakarivi. Ominaisuuksien välistä geneettistä korrelaatiota aiheuttavaksi päätekijäksi oletetaan usein pleiotropia (lokus vaikuttaa kahteen eri ominaisuuteen). Kovarianssitermi poikkeaa nollasta, koska ominaisuudet eivät pleiotropiatapauksessa määräydy toisistaan riippumatta. Tarvitsemme käyttöömme toisen L pituisen vektorin. Olkoon se matriisin IK ensimmäinen vaakarivi. Sijoitetaan tämän vaakarivin kaikkiin alkioihin ykkönen. Sitten arvotaan sekä ykkösettä kakkoslokusten joukosta M lokustay jotka vaikuttavat kumpaankin ominaisuuteen (05-MSL/2). Asetetaan niitä vastaavat ensimmäisen vaakarivin alkiot nolliksi. Matriisi LK sisältää täten kaiken informaation ominaisuuksiin vaikuttavasta lokusrakenteesta kahdessa L pituisessa vaakarivissään. Esim. 101101-11010 osa ensimmäisestä vaakarivistä 11212222121 osa toisesta vaakarivistä Molempiin ominaisuuksiin vaikuttaa L/2 + M lokusta, ja ge- neettisen korrelaation itseisarvo (r) on 2M/(L/2 + M). Esim. L = 144, M = 36 r G = 2-*36 2 = 144/2 + 36 3 Korrelaation etumerkki määräytyy yhteisten lokusten vaikutusten suunnasta (r G :stä tulee positiivinen, jos yhteiset M lokusta vaikuttavat kuten muutkin ko. ominaisuuden lokukset, negatiivinen, jos yhteisten lokusten vaikutusten suunta muutetaan). Matriisin LK sisältö generoidaan jokaisen ajotoiston alussa.